---
title: 'R 語言學習心得 SOM Cluster'
disqus: hackmd
---
R SOM Cluster
Machine Learning
===
----
SOM
===
1. Self-Organize Map
2. 原理類似k-means
3. 類神經網路的一種(有輸入層/權重/輸出層)
4. 收斂速度很快
----
原理
===
1. 更新次數 = 輸入的資料長度
2. 每個神經元透過競爭來更新權重
3. 更新權重時與該神經元鄰近的神經元也跟著更新，其餘不更新
4. 一開始權重也是隨機的
輸入X(x1,x2....xn) --> 計算每個x與神經元的距離(越小 = 刺激越大) --> 更新權重
----
==優點==
具有神經網路的特性與優勢，如平行處理、分散式儲存、容錯力等
透過競爭學習，訓練權重係數後，自動得出各分群的中心
不須事先指定分群數目(應該說可以設大一點的群數，不用太精準)
支援大數量的分群結果，有效找出異常資料類且網路訓練收斂速度快
==缺點==
輸入資料少時，分群結果與資料輸入先後順序有關
與 adaptive resonance theory network (art) 不同，在學習完成前，不能加入新的類別
----
kohonen in R
===
下載kohonen並引入
```r=
install.packages("kohonen")
library(kohonen)
# wines 好像是 kohonen 自帶的data set
# 也可以用iris data set看看
data(wines)
head(wines, 5)
```
----
==先觀察一下data==
```r=
summary(wines)
nrow(wines)
ncol(wines)
```
發現總共有177筆wine的資料，每筆資料又有13個不同屬性
因為SOM model需要訓練，所以開始分割訓練跟驗證集(8:2)
訓練集採用140筆(177x0.8 = 141.x ~ 140)
==訓練集&驗證集&scaling==
```r=
som.data.idx <- sample(nrow(wines), 140)
som.training.data <- wines[som.data.idx, ]
som.testing.data <- wines[-som.data.idx, ]
som.testing.data.scale <- scale(som.testing.data)
```
----
設定訓練參數
====
1. data = scale training data
2. somgrid(x_dim, y_dim, output plot shape, neighborhood function)
3. 這邊設定x_dim = y_dim = 5, 共25聚類 (以後面結果來看好像分太多類)
4. output shape 有六邊形(hexagonal)跟長方形(rectangle)兩種排列方式
5. neighborhood function 有 guassian & bubble [比較](http://www.ijmo.org/vol6/504-M08.pdf)
```r=
som.model <- som(som.training.data.scale, grid = somgrid(5,5,"hexagonal","gaussian"))
summary(som.model)
```
:::info
mean distance 越小越好
:::
----
畫圖看看結果
===
```r=
plot(som.model, type="codes")
plot(som.model, type="counts")
plot(som.model, type="quality")
plot(som.model, type="mapping")
plot(som.model, type="changes")
plot(som.model, type="dist.neighbours")
```
:::success
code : 看每個cluster中的屬性貢獻(權重)分布
mapping : 看每個cluster中的資料與cluster中心的距離
counts : 看每個cluster中有幾筆資料
quality : 顯示每個cluster內的資料與cluster中心的平均距離(越小越好 = 越集中 = 與其他cluster有較大差距)
dist.neighbours : 與其他鄰居資料的距離總和
:::
==code==
==counts==
==quality==
==mapping==
==changes==
==dist.neighbours==
----
預測
===
```r=
som.testing.data.scale <- scale(som.testing.data)
som.pred <- predict(som.model, som.testing.data.scale)
som.pred$unit.classif
```
----
==reference==
[第一篇](https://rpubs.com/jiankaiwang/som)
[第二篇](https://www.rdocumentation.org/packages/kohonen/versions/3.0.10/topics/plot.kohonen)
[第三篇](https://cloud.tencent.com/developer/article/1436382)
----
## More tutorial / note
1. [my coding-blog](fatcatcat-lab.blogspot.com)
2. [my movie-blog](fatcatcat-movie.blogspot.com)
###### tags: `R` `beginner` `cat` `tutorial`
Sign in with Wallet
Connect another wallet